Article Per Year (5 Year)
p-Index From 2020 - 2025
6.108
P-Index
This Author published in this journals
All Journal BIMASTER Epsilon: Jurnal Matematika Murni dan Terapan Jurnal Matematika Sains dan Teknologi JMPM: Jurnal Matematika dan Pendidikan Matematika Jurnal Pengabdian kepada Masyarakat Nusantara JAMBURA JOURNAL OF PROBABILITY AND STATISTICS Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi Jurnal Forum Analisis Statistik STATISTIKA
Shantika Martha
Universitas Tanjungpura
Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Environmental Science Mathematics Social Sciences Transportation Other

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 59 Documents
Search

 1   2   3   4   5 
PERAMALAN HARGA EMAS BATANGAN MENGGUNAKAN METODE GREY DOUBLE EXPONENTIAL SMOOTHING Ika Novira Zulianti; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 4 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v9i4.42280

Abstract

Grey Double Exponential Smoothing (GDES) merupakan gabungan dari metode grey dan double exponential smoothing yang digunakan untuk melakukan peramalan data deret waktu yang berpola trend dengan keacakan, ketidakteraturan dan keterbatasan informasi data yang ada. Grey accumulated generating operator (r-AGO) yang dapat memuluskan gangguan acak data dimasukkan ke dalam metode double exponential smoothing sehingga kecenderungan pola data dapat dilihat dengan jelas. Hasil peramalan metode GDES diperoleh dengan cara mentransformasikan balik data transformasi r-AGO menggunakan inverse accumulated generating operator (IAGO). Penelitian ini bertujuan meramalkan harga emas batangan pada bulan Januari sampai Juni tahun 2020 menggunakan metode GDES serta mengukur kesalahan peramalan yang dihasilkan metode tersebut. Keakuratan hasil peramalan yang digunakan adalah mean absolute precentage error (MAPE). Dataset yang digunakan pada penelitian ini adalah rata-rata harga  emas batangan per gram dari bulan Januari 2016 sampai Desember 2019. Hasil peramalan harga emas yang diperoleh menggunakan metode GDES menunjukkan trend naik setiap bulannya dengan hasil peramalan terendah adalah Rp.755.340,39 pada bulan Januari 2020 dan hasil peramalan tertinggi adalah Rp.763.833,70 pada bulan Juni 2020. Nilai MAPE yang dihasilkan sebesar 1,53% yang berarti bahwa peramalan GDES untuk harga emas batangan termasuk dalam kategori peramalan yang sangat baik. Kata Kunci : peramalan, exponential smoothing, grey, r-AGO, IAGO, MAPE
PENERAPAN ANALISIS KOMPONEN UTAMA UNTUK MEREDUKSI VARIABEL DALAM PENGUKURAN DESAIN HELM Sri Jumiati; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 3 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v7i3.26554

Abstract

Analisis Komponen Utama (AKU) adalah salah satu metode yang dapat digunakan untuk mereduksi ukuran variabel dari yang berukuran besar dan saling berkorelasi menjadi ukuran yang lebih kecil dan tidak saling berkorelasi. Pada penelitian ini dilakukan analisis komponen utama pada data desain pembuatan helm american football. Berdasarkan analisis yang dilakukan, dapat disimpulkan bahwa komponen utama pertama memberikan kontribusi sebesar 47,81%, sebagai rata-rata tertimbang dari ke lima variabel. Komponen utama kedua memberikan kontribusi sebesar 23,47%, membentuk bobot negatif terhadap variabel  dan bobot positif terhadap variabel  dan  sebagai perbandingan. komponen utama kedua membandingkan ukuran dari mata ke kepala bagian belakang (  dengan ukuran dari mata ke kepala bagian atas  dan ukuran dari telinga ke kepala bagian atas . Dua komponen utama yang terbentuk dapat menjelaskan proporsi kumulatif sebesar 71,28%.                                                           Kata kunci: analisis komponen utama, matriks korelasi
PENERAPAN FINITE COVERING DALAM PEMILIHAN BAHAN MAKANAN Silvana Rika; Mariatul Kiftiah; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 6, No 01 (2017): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (275.493 KB) | DOI: 10.26418/bbimst.v6i01.19464

Abstract

Kekurangan gizi selama kehamilan dapat menimbulkan banyakrisiko. Hal ini dapat dicegah dengan menganjurkan ibu hamil untuk mengonsumsimakanan yang bergizi dan seimbang. Untukmempermudah ibu hamil dalam memilih makanan yang bergizi namun tetapmenghemat biaya, maka dalam penelitian ini digunakan penerapan finite covering. Untuk menerapkan finitecovering dalam pemilihan bahan makanan bagi ibu hamil, terlebih dahulu dibentukgraf berdasarkan keterkaitan antara jenis bahan makanan sehari-hari dan zatgizi penting yang dikandungnya. Dalam hal ini, jenis bahan makanan mewakilisimpul dan jenis zat gizi penting mewakili sisi. Selanjutnya dilakukanpenerapan finite covering. Covering dari sebuah graf adalah sebuah himpunansimpul dari graf, dengan semua sisi dari graf tersebut incident terhadap palingsedikit satu simpul yang berada dalam himpunan tersebut. Dalam penelitian ini,dicari jenis-jenis bahan makanan yang saling melengkapi untuk memenuhi semuazat gizi penting ibu hamil, dengan jumlah jenis yang paling sedikit.Berdasarkan hal itu, maka permasalahan dalam finite covering yang diselesaikanadalah menemukan minimal covering. Minimalcovering adalah himpunan covering yang menggunakan paling sedikit jumlahsimpul. Permasalahan dalam menemukan minimal covering dalam penelitian inidiselesaikan dengan teknik reduksi. Dari hasil analisis dan perhitunganterhadap 10 jenis bahan makanan sehari-hari dan 14 zat gizi penting yang dibutuhkan ibu hamil, diperoleh jenis-jenisbahan makanan yang saling melengkapi untuk memenuhi semua zat gizi penting ibuhamil, dengan jumlah jenis yang paling sedikit adalah nasi, ikan, sayuranhijau dan susu. Kata kunci: minimal covering, teknik reduksi, sel esensial
ANALISIS DERAJAT KESEHATAN DI KALIMANTAN BARAT DENGAN GENERALIZED STRUCTURED COMPONENT ANALYSIS Fajri Anugrah Pratiwi; Naomi Nessyana Debataraja; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 10, No 2 (2021): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/bbimst.v10i2.46541

Abstract

Tinggi rendahnya angka kesehatan manusia dipengaruhi oleh faktor lingkungan, perilaku, pelayanan kesehatan, pendidikan, dan ekonomi. Faktor-faktor ini merupakan variabel laten yang tidak dapat diukur secara langsung. Jika ada sebuah hubungan antara laten dan indikatornya, maka metode yang digunakan adalah structural equation modeling (SEM). Pada penelitian ini digunakan SEM berbasis komponen yaitu generalized structured component analysis (GSCA). Metode ini tidak berdasarkan oleh banyak asumsi. Evaluasi pada GSCA dilakukan dalam tiga tahap yaitu pada model pengukuran, model struktural, dan overall goodness of fit model. Pada model pengukuran bertujuan untuk menguji hubungan antara variabel laten dan indikatornya. Sedangkan evaluasi pada model struktural untuk menguji hubungan antar variabel laten. Overall goodness of fit model merupakan model keseluruhan untuk melihat kecocokan suatu model dengan data keseluruhan. Tujuan dari penelitian ini adalah untuk menganalisis hubungan antara variabel perilaku terhadap lignkungan, pendidikan terhadap perilaku, ekonomi terhadap lingkungan, serta hubungan antara perilaku, lingkungan, pelayanan kesehatan, dan ekonomi terhadap derajat kesehatan menggunakan metode GSCA dengan bantuan software open source GeSCA. Hasil penelitian ini menunjukkan bahwa hubungan yang signifikan terdapat pada hubungan perilaku (variabel endogen) terhadap derajat kesehatan dan ekonomi (variabel eksogen) terhadap derajat kesehatan. Hasil model yang dibangun pada penelitian ini memiliki nilai FIT sebesar 0,5388 dan AFIT sebesar 0,4544. Sehingga model pada penelitian dapat dikatakan sudah cukup baik.  Kata Kunci : variabel laten, structural equation modeling (SEM), overall goodness of fit model
MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY IN MEAN UNTUK MERAMALKAN VOLATILITAS RETURN SAHAM Syarifah Zela Hafizah; Dadan Kusnandar; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (529.352 KB) | DOI: 10.26418/bbimst.v9i1.38030

Abstract

Volatilitas menunjukkan fluktuasi pergerakan harga saham. Semakin tinggi volatilitas maka semakin tinggi pula kemungkinan mengalami keuntungan dan kerugian. Data time series yang sering memiliki volatilitas yang tinggi adalah data keuangan. Data time series di bidang keuangan sering memiliki sifat volatility clustering atau sering disebut sebagai kasus heteroskedastisitas. Pada umumnya, pemodelan data time series harus memenuhi asumsi varian konstan (homoskedastisitas). Untuk mengatasi masalah heteroskedastisitas, model time series yang dapat digunakan adalah ARCH/GARCH. Model GARCH merupakan pengembangan dari model ARCH yang dapat digunakan untuk menggambarkan sifat dinamik volatilitas dari data. Salah satu bentuk pengembangan dari model GARCH adalah Generalized Autoregressive Conditional Heteroscedasticity in Mean (GARCH-M). Tujuan dari penelitian ini adalah untuk mengimplementasikan model GARCH-M pada peramalan volatilitas return saham. Data yang digunakan dalam penelitian ini adalah return penutupan harga saham mingguan S&P 500 dari September 2013 sampai Juni 2019. Model terbaik yang digunakan untuk peramalan volatilitas pada return harga saham S&P 500 adalah MA (1) GARCH (1,1)-M.Kata Kunci: saham, volatilitas, GARCH-M
MODEL PERAMALAN BEBAN LISTRIK DI KALIMANTAN BARAT DENGAN METODE FUZZY LINEAR REGRESSION Vina Annisa Nurdiani Aji; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 8, No 1 (2019): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (511.146 KB) | DOI: 10.26418/bbimst.v8i1.30556

Abstract

Listrik merupakan salah satu sumber energi utama yang hampir digunakan pada seluruh aspek kehidupan masyarakat. Peningkatan kebutuhan listrik di masyarakat saat ini mengharuskan PT. PLN (Perusahaan Listrik Negara) perlu melakukan perencanaan operasi dan perencanaan sistem pengembangan tenaga listrik. Hal tersebut diperlukan untuk mengetahui seberapa besar daya listrik yang harus disalurkan ke konsumen agar daya listrik yang ditransmisikan tepat sasaran dan tepat ukuran. Oleh karena itu, diperlukan model peramalan untuk penyesuaian antara pembangkit dan permintaan daya. Banyaknya data merupakan masalah peneliti untuk memodelkan peramalan beban listrik di Kalimantan Barat. Dalam penelitian ini menggunakan metode Fuzzy Linear Regression (FLR) untuk memodelkan peramalan beban listrik di Kalimantan Barat. FLR adalah metode yang dapat memodelkan peramalan dengan himpunan data minimal dua dengan satu variabel independen dan satu variabel dependen. Data yang digunakan dalam penelitian ini sebanyak delapan data dari tahun 2008 sampai dengan tahun 2015 dengan tiga variabel bebas yaitu jumlah penduduk ( ), jumlah pelanggan ( ), dan produksi listrik ( ). Hasil model peramalan beban listrik adalah  dengan nilai hasil ukuran kesalahan model menggunakan MAPE sebesar . Kata kunci: Peramalan, Beban listrik, Fuzzy Linear Regression
PENERAPAN METODE ELECTRE UNTUK MENENTUKAN PRIORITAS PENERIMA BERAS MISKIN (RASKIN) Yosi Yosi; Shantika Martha; Nurfitri Imro’ah
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (620.093 KB) | DOI: 10.26418/bbimst.v9i1.38591

Abstract

ELECTRE adalah suatu metode yang dirancang untuk memecahkan masalah dari setiap alternatif yang memiliki lebih dari satu kriteria. Data yang digunakan dalam penelitian ini merupakan data calon penerima RASKIN di Desa X sebanyak 30 kepala keluarga. Alternatif yang digunakan adalah kepala keluarga dari setiap rumah, sedangkan kriterianya adalah usia, pekerjaan, penghasilan, luas bangunan tempat tinggal, jumlah tanggungan, tagihan listrik, dan konsumsi daging dalam seminggu. Berdasarkan analisis yang telah dilakukan terdapat 10 kepala keluarga yang mendapat rekomendasi untuk menerima RASKIN yaitu A14, A28, A29, A22, A12, A17, A8, A6, A9, dan A13. Kata kunci: Alternatif, Kriteria, Kepala keluarga
ESTIMASI PARAMETER METODE WEIGHTED LEAST SQUARE DALAM MENGATASI MASALAH HETEROSKEDASTISITAS Hidayatun Nisa; Dadan Kusnandar; Shantika Martha
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (448.94 KB) | DOI: 10.26418/bbimst.v9i1.38586

Abstract

Regresi linear berganda merupakan salah satu metode statistika yang digunakan untuk menganalisis pengaruh antara dua atau lebih variabel independen terhadap variabel dependen. Salah satu asumsi yang harus terpenuhi pada analisis regresi linear berganda adalah tidak terjadinya heteroskedastisitas atau varians error harus tetap (konstan) di dalam model regresi. Metode Weighted Least Square (WLS) merupakan bentuk dari pengembangan penduga least square yang digunakan untuk mengatasi masalah heteroskedastisitas. Tujuan dari penelitian ini adalah menduga parameter metode WLS untuk mengatasi masalah heteroskedastisitas. Data yang digunakan dalam penelitian ini adalah data sosial ekonomi dari 33 provinsi di Indonesia. Data yang dianalisis adalah data tingkat pengangguran terbuka , pertumbuhan ekonomi , jumlah penduduk , tingkat partisipasi angkatan kerja , dan kebutuhan hidup minimum . Hasil analisis menunjukkan bahwa metode WLS dapat mengatasi masalah heteroskedastisitas. Model regresi  yang diperoleh menggunakan metode WLS hanya melibatkan tiga variabel yaitu:  dengan nilai adjusted  sebesar 95,49% yang berarti bahwa besarnya pengaruh variabel jumlah penduduk, tingkat partisipasi angkatan kerja dan kebutuhan hidup minimum terhadap tingkat pengangguran terbuka sebesar 95,49%.  Kata Kunci: regresi linear berganda, transformasi, weighted least square
PEMODELAN DOUBLE SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA PERAMALAN PENGGUNAAN BEBAN LISTRIK Suaibah Suaibah; Shantika Martha; Dadan Kusnandar
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 9, No 1 (2020): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (757.985 KB) | DOI: 10.26418/bbimst.v9i1.38028

Abstract

Beban listrik adalah segala sesuatu yang ditanggung oleh pembangkit listrik. Perkiraan tenaga listrik yang digunakan  oleh masyarakat dapat dilakukan dengan menggunakan beberapa metode peramalan. Data yang digunakan dalam penelitian ini adalah data penggunaan beban listrik di Kabupaten Natuna yang memiliki dua pola musiman berbeda, sehingga metode yang sesuai dalam penelitian ini adalah metode Double Seasonal Autoregressive Integrated Moving Average (DSARIMA). Model DSARIMA merupakan model ARIMA yang mengandung dua pola musiman. Data beban listrik  diperoleh dari PT. PLN Persero dalam skala waktu per jam yang diamati selama bulan Desember 2018. Tujuan dari penelitian ini adalah untuk menentukan model terbaik dalam meramalkan penggunaan beban listrik dan menganalisis hasil peramalan. Pemodelan diawali dengan mengidentifikasi data yang meliputi uji stasioneritas baik dalam rata-rata maupun varians. Selanjutnya menentukan orde berdasarkan plot ACF dan PACF. Kemudian melakukan estimasi dan uji signifikansi parameter model DSARIMA, dilanjutkan dengan melakukan cek diagnosa yang meliputi uji white noise dan uji distribusi normal. Pemilihan model terbaik dari beberapa model terpilih dilakukan dengan cara membandingkan nilai MAPE out sample. Hasil penelitian menunjukkan bahwa model terbaik yang dapat digunakan dalam meramalkan penggunaan beban listrik di Kabupaten Natuna adalah model ARIMA dua musiman dengan periode musiman per 24 jam dan per 168 jam, yang dapat ditulis sebagai model  DSARIMA(2, 1,[ 24]) (0, 1, 0)24 (0, 1, 0)168  dengan nilai MAPE out sample sebesar 8,9%. Kata Kunci: Beban listrik, peramalan, DSARIMA, MAPE
K NEAREST NEIGHBOR DALAM IMPUTASI MISSING DATA Susanti Susanti; Shantika Martha; Evy Sulistianingsih
Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya Vol 7, No 1 (2018): Bimaster : Buletin Ilmiah Matematika, Statistika dan Terapannya
Publisher : FMIPA Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (101.52 KB) | DOI: 10.26418/bbimst.v7i1.23498

Abstract

Missing data adalah suatu informasi yang tidak tersedia dalam suatu data. Missing data mempengaruhi hasil penelitian karena keberadaan missing data dapat mengurangi tingkat akurasi dari hasil penelitian. Missing data dapat diatasi dengan imputasi. Imputasi merupakan suatu metode yang mengatasi missing data dengan mengisi nilai yang hilang dengan suatu nilai berdasarkan informasi lain yang didapat dari data tersebut. Salah satu metode imputasi adalah metode K Nearest Neighbor (KNN). Penelitian ini dilakukan untuk memprediksi nilai yang hilang dengan metode KNN. KNN bekerja dengan menghitung weight mean estimation berdasarkan jumlah K. K adalah jumlah observasi terdekat yang akan digunakan. Dalam penelitian ini, K yang digunakan yaitu                         , , , dan . Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) digunakan untuk mengetahui ketepatan hasil imputasi. Berdasarkan nilai rata-rata MSE dan MAPE dari  replikasi, KNN terbaik pada missing data  dan  terjadi pada saat , sedangkan untuk missing data 30% terjadi saat .Kata kunci : weight mean estimation, MSE, MAPE 
Co-Authors Anggi Putri Dewi Anisa Putri Ayuni Anita Anita Ayu Dhita Putri Wulandari Bartolomius Bartolomius Bella Amalia David Jordy Dhandio Desa Ayu Natalia Dwi Marisa Midyanti Dwi Setiaji Eka Wahyuning Dhewanty Ela Hamdari Enis Rahayu Evy Sulistianingsih Fahiza Syanaya Fajri Anugrah Pratiwi Fery Prastio Fransisca Febrianti Sundari Hastri Sastia Wuri Hayati Hayati Hendra Perdana Hidayatun Nisa Ika Ayu Krismawanti Ika Novira Zulianti Indah Noviyanti Julianti Kastari Kunti Wijayanti Laksono Trisnantoro Lidia Karnelia Luh Putu Ratna Sundari Mariatul Kiftiah Marisi Aritonang Maya Rosalina Mega Putri Muhammad Septian Muthiara Anantha Simanjuntak Nanda Shalsadilla Naomi N. Debataraja Naomi Nessyana Debataraja Neva Satyahadewi Nova Andaresta Nurfitri Imro’ah Nurul Qomariyah NUR’AINUL MIFTAHUL HUDA Rido Amarrullah Rita Apriliyanti Rizky Oktaviani Putri Salsabila Salsabila Santi Santi Selvy Putri Agustianto Setyo Wir Rizki Setyo Wira Rizki Silvana Rika Siti Aprizkiyandari, Nurul Qomariyah, Shantika Martha, Sri Jumiati Sriyana Sriyana Stepanus Armadi Mori Suaibah Suaibah Sumiarti Sumiarti Supandi Supandi Susanti Susanti Sutro Sutro Syarifah Zela Hafizah Tamtama, Ray Thariq Thariq Vina Annisa Nurdiani Aji Vini Anggria Vinsensius Yogi Vita Virgianti Wahyudio Hariadi Warzuqna Olyan Wirda Andani Yogi Pratama Yosi Yosi Yude Anggreni Yundari, Yundari Yundari, Yundari